CN106990214B - 一种评价中药材质量的方法 - Google Patents

Abstract

本发明公开了一种评价中药材质量的方法，包括以下步骤：对中药获取的指纹图谱釆用偏最小二乘判别模型进行处理，获取相应的中药寒热特征标记，针对这些中药寒热特征标记，采用Multi‑Agent融合算法进行分类，采用改进的灰色综合关联度进行指纹图谱的相似度计算。本发明能够定性和定量评定图谱间的相似度，进而评价中药材质量，并比较其稳定性、一致性对实验结果进行鉴定、评价，是一种评价中药指纹图谱的有效手段，为云南道地药材的质量评价检测提供相应依据。参照评价结果能够科学、准确地判断相关药材的真伪、道地性、质量的优劣。这对于民族药质量标准化、走向国际市场起到推动作用。

Description

一种评价中药材质量的方法

技术领域

本发明涉及医药领域，具体是一种评价中药材质量的方法。

背景技术

中药是中国医药学宝库中的一颗明珠，是中华民族的瑰宝，为中华民族的健康和繁衍做出了巨大贡献，在几千年的医疗实践中逐渐形成了自己独特的理论体系，其卓越的临床疗效众口皆碑，并远传东南亚乃至全世界。随着21世纪生命科学的蓬勃发展与人们崇尚回归自然的热潮，同时，西药的研制难度越来越大，周期越来越长，投人越来越多，迫使许多国家将目光转移至中药，这给中药走出国门带来了难得的机遇。

虽然我国对中药的应用已有很久的历史，但是我国中药的质量标准体系还不够完善，质量检测方法及控制技术比较落后。在中药材的鉴别方面，目前从以人为经验鉴别为主，发展到基原鉴别、性状鉴别、理化鉴别等鉴别方法。现在随着药材鉴别科学化，我们采用更科学的方法对药材质量进行鉴别，对其有效成分进行分析。利用紫外光谱(UV)、红外光谱(IR)、薄层色谱(TLC)，气相色谱(GC)，电化学等手段获取药材成分的指纹谱图，对谱图预处理获取特征值信息，通过特征值信息采用各种分类器分类方法组和，结合总体方法分析以便于对与对药材产地、质量、地道性进行控制。

以指纹图谱作为中药(天然药物)提取物及其制剂的质量控制方法，已成为目前国际共识，各种符合中药(天然药物)特色的指纹图谱控制技术体系正在研究和建立。美国食品药品管理局(FDA)允许草药保健品申报资料中提供色谱指纹图谱；世界卫生组织(WHO)在1996年草药评价指导原则中也规定，如果草药的活性成分不明确，可以提供色谱指纹图谱以证明产品质量的一致；欧共体在草药质量指南中亦称，单靠测定某种有效成分考查质量的稳定性是不够的，因为草药及其制剂是以整体为活性物质。色谱指纹图谱尤其是薄层色谱的鲜明的指纹图谱是很有用的。国外指纹图谱的应用，目的在于解决成分复杂，有效成分不明确的植物药质量检测和产品批次间质量差异的问题。其中德国研制的银杏叶提取物制剂是一个突出的例子。他们应用指纹图谱制定了相应的标准，该图谱体现了制剂所含的33个化学成分(主要为黄酮类和内酯类)和各自的含量。经化学成分和药效相关性研究，发现约24％银杏黄酮和约6％银杏内酯组成的提取物具有最佳疗效。此外，采用“混批勾兑”法，可使最终产品质量稳定，指纹图谱重现性良好，含量浮动范围为5％。

在国内一些专家提出了一些应用指纹图谱对中药材质量控制的方法，主要有：

(1)相似度评价法

相似度可以量化描述指纹图谱相似性，即客观地数字化描述。相似度分析常采用的方法是相关系数和夹角余弦。相关系数是测度样品间在特征变量的变化模式上相似形状的相似度，它忽略了变量值大小之间的差异，可鉴别样品真伪，提供定性信息的相似度。夹角余弦法是在多维空间向量夹角的基础上，计算样品指纹图谱特征向量与共有模式向量之间的夹角余弦相似度，可以提供样品真伪相似性的信息。王龙星等用向量夹角法，利用计算机对11个不同产地及炮制方法的吴茱萸样品的液相色谱指纹图谱分析，以往对中药“有效成分”的定量分析并不能完全表现出中药的内在质量。随着学科的发展，过去被认为是无效的成分如多糖、蛋白等，现在被发现其新的药用活性，所以对中药质量的评价，最好建立在缜密、系统、全面的基础上，结合药理活性等指标，做出综合评价。

(2)模糊聚类分析

中药的质量具有模糊性，图谱的相似性只有相对的意义。田兰等采用聚类分析和逐步判别分析对白术高效液相色谱进行化学模式识别研究，根据识别结果，初步建立了评价白术真伪优劣的新方法。

(3)人工神经网络法

反向传播模型(BP)是目前应用最广泛的人工神经网络模型，具有判别分类可靠性大，速度快等优点。汤丹等建立了广藿香GC-MS指纹图谱解析的人工神经网络模型，并通过BP网络对不同产地广藿香的识别，证明其有较好的识别功能。

(4)主成分分析法

郝燕等运用统计软件SPSS对10批次不同产地的当归指纹图谱的37个多维多息特征参数进行主成分分析。从对各主成分的命名中发现了4个主成分能够反映中药色谱指纹图谱信息的规律，证实了主成分分析能达到降维目的，使繁多的求解目标简化，可用于中药指纹图谱的数据挖掘。余杰等通过主成分分析和空间投影变换方法获取中药材质量的特征指纹图谱，对野生、栽培桑白皮及其伪品共42个样品进行了测定。结果表明，样品鉴别的准确率达到90.5％。

中药指纹图谱技术及模式识别技术是解决中药质评价和分类鉴别的有效技术手段。模式识别技术是近年来发展较快的新技术，广泛的应用于多种领域。有助于中药质量控制。运用模式识别根据物质所含的化学成分，用计算机对其进行分类或描述。可利用TLC，UV，IR，HPLC，GC，MC等方法获得其化学数据，再根据一定的方法进行识别。中药质量的模式识别，既体现了中药成分复杂，多成分多靶点综和作用的机理。又具有较强的科学性和实践性。正如每个人都有指纹而且指纹各不相同一样，每一味中药的特性和有效成分也千差万别。借助计算机和现代分析技术，可以将中药的特性和有效成分采用图谱的形式描绘出来，使每味中药都拥有如人的指纹一样的标准图谱，指纹图谱的计算机模式识别系统是实现将数字化的中药推向世界的最佳手段，可以避免人工比较所造成的工作繁重、准确性差等弊端。计算机模式识别系统可识别不同检测方法的指纹图谱以及各种基因指纹图谱，并能评价指纹图谱的相关性，以相关性判断提供试品的合格与否，方法简便、客观、实用。它能够成为中药质量评价的一种科学的、全面的、准确的方法。

目前传统中药在有效成分、药效、质控及作用机理等方面还缺乏健全的科学量化指标，在中药材化学成分的定性定量与药效，以及不同药材配伍的组效间的相互关系等方面还缺乏足够的理论深度，在安全、有效、均匀、稳定等质量方面还缺乏标准化的科学质量评价体系，难以取得国际市场的认同。有关传统中药定性定量的安全性和有效性数据还远远达不到可使之成为国际通用药物的标准。药材的道地性即药材地理区域性，是指许多药材质量特征和药效完全或主要取决于特殊地域的地理环境和自然条件。近年来，我国不断加大了对道地性药材的种植与研究开发的力度，发展了很多道地性药材基地。对于中药，其单味药的化学组成都已非常复杂并且大多为未知，少则几十种，多则成百上千种，传统的物理或化学工作量极大对于中药的信息获取可能也不充分，而且结果可能还会存在大的偏差，模式识别在中药上的运用则可能获取中药这一复杂化学体系的整体特征信息的差异，从不同的中药材或复方中药样本中寻找出决定样本差异的隐变量，从而达到对不同属性的中药材或复方中药样本进行判别的目的，可能更为简便且可靠。

发明内容

本发明的目的在于提供一种评价中药材质量的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种评价中药材质量的方法，包括以下步骤：

一、中药指纹图谱的中药寒热特征标记

1)以单一指纹图谱技术的中药图谱数据为单元，釆用偏最小二乘判别模型识别中药寒热特征标记，进而挑选出不同指纹图谱技术下的中药寒热特征标记；

2)将挑选出的中药寒热特征标记组成中药寒热特征标记物质组群向量，以此向量分别在无机元素、初生物质和次生物质三个层面上再建立偏最小二乘判别模型，以识别各物质层面上的中药寒热特征标记；

3)综合三个物质层面上的所有中药寒热特征标记建立中药寒热整体药性的偏最小二乘模型，以显示中药整体寒热特征标记物质组群及其分布特征；

二、对中药指纹图谱进行分类

对中药指纹图谱的中药寒热特征标记采用Multi-Agent融合算法进行分类；

三、指纹图谱相似度计算方法

采用改进的灰色综合关联度进行指纹图谱的相似度计算；具体计算步骤如下：

设X_o＝{x₀(1),x₀(2),…,x₀(n)}是数据行为参考序列，

X₁＝{x₁(1),x₁(2),…,x₁(n)}

……

X_i＝{x_i(1),x_i(2),…,x_i(n)}

……

X_m＝{x_m(1),x_m(2),…,x_m(n)}

是数据行为比较序列；

设X₀，X_i的长度相同，且初值都不是零值，ε_0i和r_0i分别是灰色绝对关联度和灰色相对关联度，θ∈[0,1]，那么称ρ_0i＝θε_0i+(1-θ)r_0i是X₀，X_i的灰色综合关联度；

令

其中，

作为本发明进一步的方案：单一指纹图谱技术包括但不限于红外光谱、紫外光谱、薄层色谱与气相色谱。

作为本发明进一步的方案：每个智能体包含一个单分类器。

作为本发明进一步的方案：Multi-Agent融合算法的实现过程步骤如下：

Step 1：通过训练集，统计单分类器对训练样本分类所产生的结果信息，得到决策相关性矩阵D和可信度矩阵S的初始值；

Step 2：用v表示各Agent对样本x裁决置信度，定义为可信度矩阵的元素最大值；L表示各智能体Agent最终决策结果；

Step 3：若v大于一个阈值T，则表示各Agent基本达成共识，则进行Step 5；否则用可信度矩阵S调节溯源矩阵，转Step 4；

Step 4：将可信度矩阵S的每一行进行归一化，保证每行的和为1，重新计算v和L的值，转Step 3；

Step 5：L的值为各Agent的最终达成的一致意见，即为Multi-Agent融合算法的最终诊断结果。

与现有技术相比，本发明的有益效果是：

本发明是在利用紫外光谱(UV)、红外光谱(IR)、薄层色谱(TLC)，气相色谱(GC)，电化学等手段获取药材指纹图谱的基础上进行研究。首先，对本地民族中药材获取的指纹图谱进行预处理，获取相应的特征值，针对这些特征值(大量数据)，为了克服多维海量数据对分类的影响其特点。拟采用模式识别中的多分类器融合技术，及指纹图谱总体相似度判定，然后与传统的专家经验相结合验证分类效果。从而为云南道地药材的质量评价检测提供相应依据。参照评价结果能够科学、准确地判断相关药材的真伪、道地性、质量的优劣。这对于民族药质量标准化、走向国际市场起到推动作用。

总之，本发明能够定性和定量评定图谱间的相似度，进而评价中药材质量，并比较其稳定性、一致性对实验结果进行鉴定、评价。是一种评价中药指纹图谱的有效手段。

附图说明

图1是本发明方法示意图。

具体实施方式

下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明要解决的问题：

1、确定有效成分的提取工艺并进行优化，同时最适宜的色谱分离条件，获取民族中药的指纹图谱的基础上对指纹图谱的数据进行科学合理的筛选与比较，进而鉴定判别产品的质量，并比较其稳定性、一致性对实验结果进行鉴定、评价。

2、研究了多类分类问题中的分类器组合架构，为克服已有架构的不足，分析集成的整体性能与成员分类器性能和多样性之间关系，提高原系统的多样性及分类性。

3、定性和定量评定图谱间的相似度：目前为辨别中药材的真伪和质量优劣，主要参考的指标是中药指纹图谱的相似度。对于从整体上表现中药材复杂体系所含的化学成分的变化情况，指纹图谱的相似度有着关键的作用。相似度能够全面，客观地反映中药指纹图谱间的相似程度，进而评价中药材质量，是一种评价中药指纹图谱的有效手段。

为了解决上述问题，本发明的技术方案如下：

(1)中药指纹图谱的中药寒热特征标记的处理方法

中药指纹图谱形象地反映了物种具有遗传特性的次生代谢的“整体确定性(共有特征)”，而地域、生长环境、采收等多种不定因素对中药材的次生代谢存在重要影响，具有统计学中多元随机分布的“模糊性(非共有特征)”，中药多维多息指纹图谱数据具有明显的“高维灾难性”特征，即数据矩阵的行(即中药样本)往往很小，而数据矩阵的列(即图谱)往往很大。此类维数灾难性数据对中药药性特征标记的识别提出了挑战。由于维数灾难及其高度共线性的影响，传统的统计模式识别方法(例如Hsher判别，Logistic回归判别等)往往难以处理此类数据。

本发明釆用偏最小二乘判别模型，基于多种种图谱数据对中药特征标记进行综合研究，以从整体上显示中药特征标记物质组群。首先以单一指纹图谱技术(包括红外光谱、紫外光谱等)的中药指纹图谱数据为单元釆用偏最小二乘判别模型识别中药寒热特征标记，进而挑选出不同图谱技术下的特征标记。然后将挑选出的特征标记组成中药寒热特征标记物质组群向量，以此向量分别在无机元素、初生物质和次生物质三个层面上再建立偏最小二乘判别模型，以识别各物质层面上的中药寒热特征标记；最后综合三个物质层面上的所有特征标记建立中药寒热整体药性的偏最小二乘模型，以显示中药整体寒热特征标记物质组群及其分布特征。由于该方法是一种稳健的判别分析统计方法，它将主成分分析，典型相关分析和线性判别分析有机结合，既克服了线性判别分析难以处理高度共线性数据的问题，又克服了主成分分析的无监督缺陷，还通过典型相关，充分利用了协变量与分类标示变量之间的整体相关性。因此，它是处理高维灾难且高度共线性多维多息指纹图谱数据的有效方法。

(2)基于指纹图谱分类的方案

目前研究中药材分类算法的研究已经很多，主要有神经网络、决策树、k-最近邻、模糊聚类法及贝叶斯等，但每种方法都有一定的偏好和局限性。特定的方法往往在一个问题或数据集上取得好的效果，而在另一个问题或数据集上不尽如人意。本发明是针对单分类器存在的问题而提出的，具体方案为，采用多智能体(Multi-Agent)组融合技术，每个智能体包含一个单分类器。其多个智能体之间为共同完成一个任务，具有信息相互协商，相互服务的行为。通过这种信息的交互作用使每个智能体的行为得以更好的表现，同时采用Multi-Agent多分类器融合算法克服经典的MA多分类器融合算法在多个Agent(智能体)进行相互协商时，没有考虑各单分类器的分类效果、识别性能有所差别的情况，在决策的时候没有考虑到迭代次数不收敛，拒绝决策的情况。

Multi-Agent融合算法的主要实现过程步骤如下：

Step 1：通过训练集，统计单分类器对训练样本分类所产生的结果信息，得到决策相关性矩阵D和可信度矩阵S的初始值；

Step 2：用v表示各Agent对样本x裁决置信度，定义为可信度矩阵的元素最大值；L表示各智能体Agent最终决策结果。

Step 3：若v大于一个阈值T，则表示各Agent基本达成共识，则进行Step 5；否则用可信度矩阵S调节溯源矩阵，转Step 4。

Step 4：将可信度矩阵S的每一行进行归一化，保证每行的和为1，重新计算v和L的值，转Step 3。

Step 5：L的值为各Agent的最终达成的一致意见，即为Multi-Agent融合算法的最终诊断结果。

(3)指纹图谱相似度计算方法

相似度是复杂的中药材进行质量控制，判别真伪的一个重要指标，是中药指纹图谱技术的一个有效手段，符合中药指纹图谱的模糊性和整体性的属性。因此，相似度的计算方法非常重要。

目前，有多种相似度计算方法。可以分为两大类，定性相似度和定量相似度。定性相似度能够反映中药化学成分的分布比例的相似情况，但是不具有定量评价功能，即不能够反映化学成分含量之间的差异。定性相似度主要有，相关系数法，夹角余弦，Nei系数法，改进Nei系数法等。定量相似度能够从整体上反映化学成分含量之间的差异情况，主要有程度相似度，投影含量相似度，含量相似度等。

以往的相似度计算方法只有定性相似度和定量相似度，没有综合考虑定性和定量的相似度计算方法，针对这一缺陷，本发明将灰色综合关联度进行了改进，应用于相似度计算中。

设X_o＝{x₀(1),x₀(2),…,x₀(n)}是数据行为参考序列，

X₁＝{x₁(1),x₁(2),…,x₁(n)}

……

X_i＝{x_i(1),x_i(2),…,x_i(n)}

……

X_m＝{x_m(1),x_m(2),…,x_m(n)}

是数据行为比较序列。

设X₀，X_i的长度相同，且初值都不是零值，ε_0i和r_0i分别是的灰色绝对关联度和灰色相对关联度，θ∈[0,1]，那么称

ρ_0i＝θε_0i+(1-θ)r_0i

是X₀，X_i的灰色综合关联度。

综合关联度既反映了序列折线之间的相似程度，又体现了折线相对于始点的变化速率的接近程度，是比较全面的反映序列之间相似程度的一个数量指标。

在灰色综合关联度公式中，θ的一般取值为定值。为了使灰色综合关联度更加准确的反映序列之间的相似性，对θ的取值进行了改进，如下所示:

其中，

以往的相似度计算方法中，没有综合考虑定性与定量功能的相似度，针对这一缺陷，故将改进的灰色综合相似度应用于相似度的计算中。将对照指纹图谱看作数据行为参考序列，将作比较的样品指纹图谱看作数据行为比较列，ε_0i反映了定量功能，r_0i反映了定性功能，综合考虑了定性与定量。

中药指纹图谱可采用以下仪器及条件进行获得。

(1)仪器、试剂与药材

LC-20AD高效液相色谱仪；岛津Solution色谱工作站；紫外检测器；KH5200型超声波清洗器；电子分析天平；旋转蒸发仪；过滤器。甲醇(分析纯)；甲醇(色谱纯)；乙腈(色谱纯)；水为纯净水。实验采用云南省药物研究所提供的本地民族中药材为样品并提供鉴定。

(2)色谱条件

采用冷浸超声法提取云南蜂胶样品，液相色谱条件为：色谱柱：Agilent XDB C18柱(4.6×150mm，5μm)；流动相：乙腈、甲醇和0.001％磷酸水溶液，流速为0.8mL/min，流动相按一定比例进行梯度洗脱；柱温：30℃；扫描波长：320nm。

(3)方法考察

以样品的主要色谱峰的相对保留时间及相对保留峰面积来考察分析方法的稳定性，仪器精密度及实验方法的重现性。

①精密度试验

取样品的同一份供试品溶液连续进样6次，记录指纹图谱，结果表明各主要色谱峰相对保留时间和相对峰面积比值无明显变化。

②稳定性试验

在0，4，8，12，36，48h进样20L，记录指纹图谱，结果表明各主要色谱峰相对保留时间和相对峰面积比值无明显变化。

③重复性试验

取同一批样品按上述方法制备6份供试液，按上述色谱条件测定指纹图谱，结果表明各主要色谱峰相对保留时间和相对峰面积比值无明显变化，表明重复性良好，符合指纹图谱要求。

通过指纹图谱，经过数据处理，拟采用其出峰时间、峰高、峰面积等数据作为特征向量，对其进行辨别。

本发明的特点：

(1)由于中药材在不同的处方中显示不同的功效，有效部位也不是一个，一张色谱指纹图谱很难代表中药材的整体质量，中药材的“标准指纹图谱”在各实验室中量值的传递也会因仪器类型的不同而存在一定的问题。因此，色谱指纹图谱的相似性比较，并不完全适用于中药材质量标准中。本发明提出用灰色综合关联度进行了改进，应用于相似度计算中，克服以往相似度计算方法只有定性相似度和定量相似度，没有综合考虑定性和定量的缺点。为云南民族药材的鉴别提供有效的技术支持，为其他药材的分析提供参考。同时模式识别分析法对不同产地的民族药材进行较好的聚类分析及质量评价。

(2)采用Multi-Agent融合算法进行分类，继承神经网络、决策树、模糊聚类法及贝叶斯等分类器的优点，克服它们对一定数据和特征的偏好和局限性。本发明构建一种基于相关成分分析的多分类器，并将其用于中药材质量模式分类。通过从色谱分析所得到的高维数据集中分步提取分类相关成分，获取化学模式特征向量。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种评价中药材质量的方法，其特征在于，包括以下步骤：

一、中药指纹图谱的中药寒热特征标记

1)以单一指纹图谱技术的中药图谱数据为单元，釆用偏最小二乘判别模型识别中药寒热特征标记，进而挑选出不同指纹图谱技术下的中药寒热特征标记；

2)将挑选出的中药寒热特征标记组成中药寒热特征标记物质组群向量，以此向量分别在无机元素、初生物质和次生物质三个层面上再建立偏最小二乘判别模型，以识别各物质层面上的中药寒热特征标记；

3)综合三个物质层面上的所有中药寒热特征标记建立中药寒热整体药性的偏最小二乘模型，以显示中药整体寒热特征标记物质组群及其分布特征；

二、对中药指纹图谱进行分类

对中药指纹图谱的中药寒热特征标记采用Multi-Agent融合算法进行分类；

三、指纹图谱相似度计算方法

采用改进的灰色综合关联度进行指纹图谱的相似度计算；具体计算步骤如下：

设X_o＝{x₀(1),x₀(2),…,x₀(n)}是数据行为参考序列，

X₁＝{x₁(1),x₁(2),…,x₁(n)}

……

X_i＝{x_i(1),x_i(2),…,x_i(n)}

……

X_m＝{x_m(1),x_m(2),…,x_m(n)}

是数据行为比较序列；

设X₀，X_i的长度相同，且初值都不是零值，ε_0i和r_0i分别是灰色绝对关联度和灰色相对关联度，θ∈[0,1]，那么称ρ_0i＝θε_0i+(1-θ)r_0i是X₀，X_i的灰色综合关联度；

令

其中，

2.根据权利要求1所述的评价中药材质量的方法，其特征在于，单一指纹图谱技术是指使用红外光谱、紫外光谱、薄层色谱与气相色谱中的其中任意一种。

3.根据权利要求1所述的评价中药材质量的方法，其特征在于，每个智能体包含一个单分类器。

4.根据权利要求1所述的评价中药材质量的方法，其特征在于，Multi-Agent融合算法的实现过程步骤如下：

Step 1：通过训练集，统计单分类器对训练样本分类所产生的结果信息，得到决策相关性矩阵D和可信度矩阵S的初始值；

Step 2：用v表示各Agent对样本x裁决置信度，定义为可信度矩阵的元素最大值；L表示各智能体Agent最终决策结果；

Step 3：若v大于一个阈值T，则表示各Agent基本达成共识，则进行Step 5；否则用可信度矩阵S调节溯源矩阵，转Step 4；

Step 4：将可信度矩阵S的每一行进行归一化，保证每行的和为1，重新计算v和L的值，转Step 3；

Step 5：L的值为各Agent的最终达成的一致意见，即为Multi-Agent融合算法的最终诊断结果。